David Streliski：通过AI供量身定制的风险管理方案

加拿大 Koios Intelligence 公司共同创始人兼董事长David Streliski

　　新浪财经讯 “2018北京金融安全论坛”于12月4-5日在北京房山举行，论坛由中国互联网金融协会、北京市地方金融监督管理局、北京市房山区人民政府担任指导单位，主题为：防范金融风险 维护金融安全，加拿大 Koios Intelligence 公司共同创始人兼董事长David Streliski出席并演讲。

　　David Streliski称，人工智能主要的功能是可以给客户提供量身定制的风险管理方案，可以通过AI创建各种各样的报告，最后让所有人都能够使用这种报告。他表示，我们要了解通过AI进一步助力的报告这样可以整合正确的数据，使用正确的版本、模式、可以通过手机下载应用来完成客户所需的数据和风险管理方式。

　　他举例，人工智能的作用就像是突然在机构内部有了很多实习生，他们来自于不同的背景，学习能力非常之强，企业要做的就是找到合适的方式，对他们进行适合的管理方式。

　　以下为演讲实录：

　　DavidStreliski：大家下午好，很高兴能够出席本次活动，我名叫DavidStreliski，在今天的发言当中我想跟大家介绍一下人工智能在风险管理当中的应用。

　　首先先跟大家介绍一下我们公司叫做KoiosIntelligence，然后会跟大家介绍一下人工智能带来的创新和颠覆的力量，之后跟大家界定一下我们如何定义人工智能，相对于人的智能，人工智能在哪些方面比较特殊，之后会跟大家谈谈风险管理还有融入人工智能的风险管理，如何让人工智能改变我们风险管理的方式。

　　首先跟大家介绍一下我们公司，实际上我四个月之前才加入我们公司的，在此之前我是一个首席风险官和技术部负责人，是一个全球资产管理的专家，但是我觉得我们这家公司是融合了风险管理、交易、金融方面的专长，加上了人工智能的优势，给我们金融行业带来附加值。首先我们是希望能够彻底改变我们的保险行业。

　　另外一个是用户管理的案例，我们会根据金融服务包括人工智能技术实现技术转让，我们也会使用一些风险评估的工具，开发了一些新的风险评估的模型，而且也是改善了人们对于风险评估的战略和风险的观点，也是在人工智能的辅助之下实现的。

　　其实今天下午已经说到很多次人工智能，感觉现在做什么事都和人工智能相关，但是我想先跟大家介绍一下我们真正实现创新和变革，在过去这些年当中做出了哪些努力，在这张图当中我们看到了各种不同的趋势，这些都是多种趋势同期并行的，对于我们来说，说到创新，往往就可以想到物联网，也可以想到大数据，当然了，也可以想到云计算，还包括区块链。所有这些创新实际上并不是和人工智能完全孤立开来的，而是说这些都会让人工智能变的效率更高，但是人工智能其实更多的是机械智能，也就是说让机械获得能力，通过数据的分析和学习提高预测分析的能力，这也实际上就是人工智能的核心所在。我们现在也可以看到，也可以应用在风险管理方面，一会跟大家具体说。

　　因为我们最近在金融行业看到大量的创新和颠覆，所以我们也可以看到一些重要的趋势，我觉得这些趋势当中可以通过多团队的方式解决：

　　1、精简基础设施，具体来说这就意味着新的自动化的技术，让很多过程都可以实现自动化。最终通过这种方式降低它的集中式的方式，提高了效率降低了成本。

　　2、高价值活动的自动化，这是我们在过去几年之前并没有自动化的流程，但是现在我们意识到这些流程主要是以数据为基础，我们可以使用数据来把它进一步转化成高价值的自动化活动，我们还有很多其他的流程，也是可以自动化的。他们也是可以给金融机构提供更多附加值的活动。此外我们还有其他种类的技术发展，其中包含区块链技术，这主要是通过技术进一步避免去中心化，我们也根据交易提供更多的授权，并且给小的参与方，能够给他们机会，在整个价值链当中发挥作用。所有这些都是可行的，就是因为有了各种各样的数据才使得如上活动成为可能，不光是产业数据、物联网数据，此外我们也关注其他的社交媒体整合的各种数据，这些数据可以通过不同的方式，通过技术把我们就流程的理解以及可以通过技术把这些数据转化成效能的提升。所有这些都是需要一些特殊化的特定产品，比如像一些科技金融公司他们界定出在金融领域所有发挥的作用。此外在支付领域我们也在专注这方面的应用，在投资领域也是如此，我们可以让所有产业的相关方更加便利的应用这些技术和数据，来让他们的流程更加有效、更加精益。

　　所有这些都是不同的技术，他们最近都在专注客户赋能活动，也就是说让客户能够比以往了解的更多，我们也可以在不同层级了解客户的形象和喜好度，这样才能够给他们提供更好的选择有些时候他们之前并没有意识到需要此方面的服务，但是通过沟通了解对新活动、新服务的需求。

　　此外我们也有很多创新以及金融行业突破式的发展，比如我们有很多流程，之前是我们自己的核心流程都被外包并且商品化了，现在主要专注整个以人为本的因素，我们其他的很多工作都外包出去，还有很多其他外部的服务供应商，比如说在整个运营链条当中，有一些小的参与方或者说一些小的对冲基金还有小的金融机构他们也可以获得一些我们所提到的共同的外部服务供应商，可以有更多的参与度。

　　此外，在思考到AI和人才进行对比，我们经常会谈人工智能是不是要取代很多工作，确实我们会进一步开发更多的人工智能的技术，来帮助我们进行更精准的分析、更多的工作，但是并不意味着所有的工作以后都会被AI所替代或者说算法所替代，并不是如此，我们在不同的维度上需要进一步明确在算法上，我们在哪个层面上希望AI能够替代人类的工作，哪个领域需要人类和算法一起整合，在哪个地方是通过AI帮助人类实现更精准的计算。

　　我们需要界定三类问题，第一个问题是这些任务是我们比较熟悉的非常独特的；第二个问题是我们有足够好的高质数据吗？还是没有？第三个问题是这个任务复杂吗？等等，我们必须要根据要研究的领域复杂度来做出决定。复杂的任务，比如说有很多决策数，我们可以在决策过程当中找到不同的发展方向，非常复杂，但是最终如果我们解答按照整个流程来走，并不那么复杂，这就是算法世界，如果我们进入到复杂的世界当中，就相当于有很多分析，有很多判断要做。这样一种复杂环境人类是更加能够胜任的。

　　有时候我们有一系列数据，数据必须是高质的，如果把这些维度整合到一起就可以进一步确定这些任务是独特的还是我们在这个任务方面是不是有足够的数据。有些时候很难找到有效的算法，这时候就需要人类发挥主导作用，有些领域是数据非常有限，这时候我们就可以思考让人类来完成这些任务，因为对于任何风险管控的任务都需要取决于数据的有效和是否足够。我们也要进一步问一下，我们如何界定人才，谁专注哪方面的任务事实，在所有的产业当中，特别是在金融产业当中我们都会看到前端到中端的AI的应用就是我们通过人工智能在前端给客户提供服务，我们会给每个客户定制化的服务，这一块是可以通过AI进行辅助的。

　　此外在金融领域当中，我们也经常会使用AI作为一个工具，通过AI和人们进行沟通，通过计算机和人类一起整合来产生一种多面效应。还有很多其他的部门，他们也需要进一步界定他们自己的工种，一般来说我们会提到团队工作，哪个团队会专注哪个领域非常重要，我们也会谈哪样的管理、哪样的服务，有些是和人共事，有些是和机器辅助共事。我们也需要了解AI到底是什么，如果再提到风险管理，这是我所从事的职业，其实在过去30年里我们制订了很多关于风险管理的工具和框架，我想大家比较熟悉这个框架，我从很多公司内得到了很多关于风险管理方面的反馈，首先从前台上，从比如客户服务团队，他们会有自己第一线的风险管理、第二线的风险管理、第三线的风险管理，比如在政策层面上，还有在整个业务的理解层面上，在整个风险管控上，有的时候我们实施的一些战略并不太有效，还有一系列项目数据非常有限，政策和流程是要以政治的方式保证业务的有效展开，但是很多时候我们在整个业务的发展过程当中会出现很多变化和调整，这些方面也需要政策和流程随之适应和变化。

　　此外我们也需要有很好的IT系统和工具，我们也知道风险类别是什么，当出现风险的时候如果没有很好的应急机制这样也很难对风险做出回应。

　　对于大多数的机构我们都要有一个风险绘图和分类，我们如何能够改变公司已有的不完善的流程，我想新的技术以及人工智能都可以帮助我们全面的变革，整个风险管理的方式。首先我们有一个有机的管理风险方式，首先是明确明显，之后测量风险、管理风险再汇报风险，如果把这四个步骤有机整合到一起，和AI整个解决方案整合到一起就会非常有效。如果在界定风险上有很多数据驱动的风险界定方式，可以在前端就一线上就可以通过数据通过AI的分析进一步明确这种新的风险是什么，之后通过数据再进一步测量这些风险是属于哪种级别的。我们可以帮助一线人员来明确风险管理风险之后向高管汇报之前进行测量分析。我们知道测量风险也非常重要，我们可以将明确风险和测量风险一起做，对于AI这个工具它可以帮助我们扫描数据并且在早期就了解风险是属于哪类的，我想测量风险可以包含很多点，首先先把风险管理不专注风险本身，只专注目标。在我们管理风险的时候，管理的并不是风险，而是一个措施的目标是什么，如果我们把风险进一步转化成要实现的目标，之后再实现目标。第一点先实现一个战略规划，风险管理会发挥非常重要的作用，帮助我们进一步分析战略计划是什么，如何才能实现最终的目的，通过已有的数据及分析能力，可以通过不同的方式检测战略规划是否有效，之后其实风险管理就是决策的过程之一， 因为我们有很多积极的、消极的以及不同的场景可能有上千个场景，这时候我们就需要了解，我们这个战略规划应该是什么。

　　第二层风险管理就是在每日的工作当中如何管理风险，我们有很多数据，数据可以转化成不同的信号，这个信号在整个战略规划当中就是需要考虑到的，这些信号可以帮助我们明确业务当中的压力点，比如像这个过程当中涉及到引擎、发动机的工作，就是要找到这部分的风险是什么。之后看看运行是否有效、看看发动机几小时之内是不是出现运营故障等等，这是我们举的例子。

　　所以我坚信这种分散型的敏捷的风险管理，也就是说我们要开发出工具包，针对每一个业务让它独立的管理风险，通过技术再把整个风险汇报给管理层之前，先进行分散式敏捷性的管理，AI也具有可持续学习能力，可以提高整个风险管理的效率，在前端到后端都可以实现风险的管理，我们希望能够进一步找到不同的职能部门需要的工具箱，每个部门并不需要了解整个风险的算法，我们主要是帮助他们研发出工具，工具可以把各个部门整合到一起。

　　此外我们也会界定量身定制的风险管理方法，主要是通过找到一种方式更好的了解各种各样的风险，有时候我们有数据可以更好的鉴别风险，有的时候数据比较匮乏就很难找到风险的所在。此外我们也必须要监测风险，其实监测风险也非常重要，我们要有很好的方式监测并且汇报风险，我坚信这种定制化的监测和管理风险非常重要。

　　关于人工智能它主要的功能是可以给客户提供量身定制的风险管理方式，我们可以通过AI创建各种各样的报告，最后让所有人都能够意识到并且使用这种报告，所以我们要了解通过AI进一步助力的报告这样可以整合正确的数据，使用正确的版本、模式、可以通过手机下载应用来完成客户所需的数据和风险管理方式。

　　此外我们也要进一步了解一下，这里有个比喻，通过汽车仪表盘做的例子，比如当我的父亲在开车的时候什么也没有，当时只有轮胎，没有仪表盘这些自动化的功能等等，但是对于我，我现在是F1赛程式的司机，我要应对很多很多开车过程当中的风险，在我那个年代并没有太多的车，并没有很多非常万能的自动化的仪表盘，所以我们需要进一步界定比方说在哪个地方应该减速、哪个地方应该加足马力，在风险管理方面应用人工智能有点像使用自动驾驶，也就是说人的主要作用并不是进行完全的决策，也许有些风险指标，有些方面他们并没有注意到，而人的主要作用就是定义一个战略或者确定一个大方向，然后再使用各种各样的工具对之后发动机的性能做出各种矫正或者调整。

　　再说到风险管理，这就意味着我们需要对风险做出定义，也就是说你自己本身不是驾驶员，但是你给驾驶员提供了各种各样的工具，这样驾驶员就轻松省事很多。

　　所以现在要进行发现管理要做什么，首先要让核心过程实现数字化，也就是说我们要把现有的这些模式实现自动化，有些风险的指标，而且也是需要采集更多的数据，并且是以结构化的方式进行采集，让大数据或者让人工智能能够进行有效的分析。也需要考察如何在数据的基础之上更好的进行管理，首先也需要更好的鉴定数据的范围，而且根据每个客户的要求做出调整，包括格式。也需要有些合适的人才营造合适的氛围，并且也要使用正确的技术来实现。还要对风险加强报告，所以最后做一个总结就是现在在风险管理方面人工智能面对着哪些重要的挑战呢？对于金融行业来说一个重要的挑战就是，现在金融行业它的自动化程度越高，我们做决策的时候很多时候是依赖机器的，这时候传染性机构就会越高，也就是说所有的机构做的工作是类似的，至少因为自动化的过程，大家的互联互通程度相对高，所以风险传播的因素也会更高。

　　第二是模式或者模型的风险，也就是说我们的风险分析是基于数据和人工智能的，这时候我们并不知道沙箱里面是什么，像在使用黑匣子，这时候一定要对模型，如果一旦出了问题又不可进行审计，就很容易出现这样那样的问题。

　　第三个问题是网络安全的问题，对这个问题我们说的已经非常之多了，而且其实还有监管方面的各种挑战，因为现在监管的主管部门往往都是基于规则的，我们现在对于人工智能类型的技术和面对的挑战就是，这是一个自动学习的技术，所以对于监管机构来说，他们就必须得理解现在监管的东西和未来监管的东西可能是不太一样的，至少在欧洲还在北美有很多监管机构他们把很多资源、很多精力放在了银行身上，比方说有一些基于规则的程序要求银行必须得执行，但是这就意味着他们就没有足够的资源来针对于新的风险进行合理的监管了，这可能也是一个重要的风险。

　　最后做一个结论，我认为人工智能它的作用就像是突然在我们的机构内部有了很多的实习生，他们来自于不同的背景，学习能力非常之强，我们就要找到合适的方式，对他们如何进行管理找到合适的方式。

　　新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。

责任编辑：谢长杉